Таблицы, веса и взломанный аккаунт

От базы, где один город записан тремя способами, до инструкции на случай, когда в почту зашёл кто-то другой.

Нормальные формы БД: разбор 1НФ, 2НФ и 3НФ на примерах — когда «Казань», «г. Казань» и «Казань, Татарстан» живут в одной таблице, отчёт показывает три города вместо одного. Разбираем на сквозном примере интернет-магазина: аномалии вставки и удаления, функциональные зависимости и когда денормализация всё-таки нужна.

Модели с открытыми весами: что можно запустить у себя бесплатно — внутри формула расчёта видеопамяти, таблицы по лицензиям и железу, российские модели и расчёт, при каком объёме запросов свой сервер окупится (спойлер: около 9000 рублей в месяц против 1500-2000 за облачное API).

7 книг для бэкенд-разработчика про алгоритмы, SQL и архитектуру — все книги прошли вычитку в сообществе действующих ИТ-специалистов, которые проверяют код и схемы до печати.

Все мои волки делают AI: как научить коллег вайбкодить за вас — маркетингу нужен генератор UTM, эйчарам — генератор вакансий, а всё это прилетает в ваш бэклог. Показываем, как отдать такие задачи коллегам без утечки корпоративных данных в сторонние нейронки.

Взломали аккаунт: что делать по шагам — порядок действий на случай, когда доступ к вашей почте или соцсети получил кто-то другой.

Соскучились по новостям? Мы спрятали их в другом канале, подписывайтесь, чтобы опять их не потерять!

Увидимся через неделю, ваш Код 🫶

→ До 30 сентября действует скидка 16% на курсы Практикума

Один ИИ-агент пишет код, второй ищет баги, третий делает отчет, что вообще происходит. А четвёртый следит, чтобы первые трое не устроили совещание за ваш счёт.

Разбираемся, как собрать такую команду из оркестратора и субагентов: распределить роли, настроить взаимодействие через MCP и A2A, выбрать фреймворк и не сжечь весь бюджет на токены.

Внутри — пошаговая инструкция, пример архитектуры и разбор ошибок, из-за которых мультиагентная система может оказаться дороже и бесполезнее одного агента.

Прежде чем нанимать целый штат нейросетей — почитайте: https://v.thecode.media/nw9rl

→ До 30 сентября действует скидка 16% на курсы Практикума

🎩 Ультрасложная задача про шляпы

Есть 4 очень логичных математика, и есть 4 шляпы — 2 красные и 2 синие. Троих поставили друг за другом, а четвёртого — за стену. После этого каждому надели на голову шляпу, и никто не знает, какого цвета шляпа на нём надета. Математики не могут поворачиваться друг к другу и не могут говорить ничего до тех пор, пока хотя бы один из них точно не скажет, какого цвета на нём шляпа. Всё, что может произнести каждый, — цвет своей шляпы, и то только тогда, когда он в этом стопроцентно уверен. Если он ошибётся — все проиграли.

Сможет ли хоть один математик точно назвать цвет своей шляпы? Пишите свой ответ в комментариях.

→ До 30 сентября действует скидка 16% на курсы Практикума

Каждый пуш — руками гоняете тесты и заливаете билд на сервер? Собрали пошаговый гайд по GitHub Actions: от первого workflow за десять минут до OIDC, матрицы версий и расчёта, сколько это стоит в минутах и в долларах.

https://v.thecode.media/6jcql

→ До 30 сентября действует скидка 16% на курсы Практикума

😱 OpenAI показала больше 20 новинок для ChatGPT, Codex и API на DevDay — ИИ-агенты, новый Codex и подписка за $500.

Самые интересные анонсы мероприятия разобрали на сайте: https://v.thecode.media/425bx

→ До 30 сентября действует скидка 16% на курсы Практикума

Код, накидайте свои любимые игры в комментарии.

Лучшие заберем в подборку на сайте :-)

→ До 30 сентября действует скидка 16% на курсы Практикума

Курс за 200 тысяч, второе высшее за миллион или путь «я сам всё найду на Ютубе». У каждого варианта есть один нюанс: платить всё равно придётся — деньгами, временем или карьерой.

Разобрались, сколько в 2026 году реально занимают курсы, самообразование и второе высшее, что останется на руках после каждого варианта и через сколько обучение может окупиться. А ещё — когда диплом действительно нужен, а когда работодателю гораздо интереснее ваш гитхаб.

https://v.thecode.media/b3f2r

→ До 30 сентября действует скидка 16% на курсы Практикума

5 AI-навыков, которые должен освоить каждый разработчик для ежедневной работы

То, с чем разработчик сталкивается каждый раз, когда открывает редактор кода.

Навык 1: Промпт-инжиниринг для кода

Промпт-инжиниринг для кода — это способность объяснить нейросети задачу: стек, контекст проекта, ограничения, формат ответа и критерии качества. Не «напиши мне функцию», а с указанием стека, контекста проекта, ограничений по производительности и желаемого формата вывода.

Инструменты: GitHub Copilot, Cursor, Claude Code.

Почему важно: расплывчатый запрос даёт соответствующий код, который придётся переписывать. Или хуже — код, который выглядит правильно, но работает не так, как нужно.

Навык 2: Оркестрация AI-агентов

Если промпт-инжиниринг — это диалог с одной моделью, то AI-агенты уже умеют планировать шаги, вызывать инструменты, писать код, проверять результат и возвращаться к задаче после ошибок. Задача разбивается на подзадачи, каждая отдаётся своему агенту, а разработчик настраивает их взаимодействие и контролирует результат.

Инструменты: Claude Code (агентский режим), Cursor (мультиагентный режим), Google Jules (автономный coding-агент).

Почему важно: агенты делают больше одного шага. Разработчик начинает управлять потоком задач. Это принципиально другой уровень продуктивности.

Навык 3: Ревью AI-генерированного кода

Нейросети галлюцинируют, придумывают несуществующие библиотеки и методы, упрощают пограничные случаи и игнорируют бизнес-контекст. Принимать AI-код на веру без проверки — рецепт катастрофы.

Инструменты: SonarQube для статического анализа, CodeQL для поиска уязвимостей, Semgrep для кастомных правил, Cursor со встроенным режимом ревью, а также сам AI-чат — попросите модель проверить свой же сгенерированный код — часто она находит собственные ошибки.

Почему важно: GitHub Copilot предлагает код в 46% случаев, но разработчики принимают лишь около 30% этих предложений. Остальное — отбраковки и правки. Это и есть цена работы с AI. Исследования GitClear на основе 153 миллионов строк кода показали четырёхкратный рост клонирования кода при AI-помощи и увеличение оборачиваемости кода — того, который переписывают в течение двух недель. Ревью AI-кода превратилось в отдельную дисциплину.

Навык 4: Написание эффективных спецификаций для AI

Это умение точно описать проект для нейросети, которая в него входит. Речь про системные промпты, контекстные файлы вроде AGENTS.md и CLAUDE.md, а также AI-скиллы — отдельные инструкции, которые агент подключает под конкретные повторяющиеся задачи. Это как онбординг нового разработчика, но для AI-агента. В таком файле описывается архитектура, принятые соглашения по коду, используемые библиотеки и общий контекст принятых решений.

Инструменты: файлы .cursorrules, CLAUDE.md, системные промпты в проектах.

Почему важно: спецификация заменяет общий запрос на точный с полным контекстом. Разница в количестве итераций и качестве результата — колоссальная.

Навык 5: Использование AI для отладки и объяснения кода

Эффективная отладка через ИИ начинается с развёрнутого описания проблемы: ожидаемое поведение, фактическое, полный стек ошибки с номерами строк, версии библиотек и интерпретатора или компилятора.

AI отлично подходит для онбординга. Попросите модель объяснить, что делает большой кусок легаси-кода, на каком языке и в каком стиле он написан, какие у него зависимости — и вы сэкономите часы на разборе чужого наследия.

Инструменты: ChatGPT (режим анализа кода с загрузкой файлов), Claude для больших кодовых баз, Cursor с функцией объяснения.

Почему важно: на понимание чужого или старого кода уходят часы. Нейросеть делает ту же работу за минуты. И да, отладка через AI часто находит edge cases, о которых вы сами не подумали.

Сохраните, чтобы не потерять 📌

Журнал «Код» | Промокод Практикума | Новости мира IT и технологий